Dissertação
Ship Segmentation in Aerial Images for Maritime Surveillance EVALUATED
Neste trabalho propõe-se um novo método capaz de segmentar navios em tempo real durante missões de vigilância marítima usando veículos aéreos não tripulados com câmaras incorporadas. Para identificar e segmentar os navios, implementou-se um modelo em cascata com duas fases: uma etapa de deteção seguida de uma fase de segmentação. A primeira parte é responsável por detetar as regiões com maior probabilidade de conter navios, de seguida estas regiões são segmentadas na segunda fase para identificar o navio. Ao incluir-se a deteção, diminui-se a quantidade de imagem a segmentar, reduzindo significativamente o tempo de processamento. Por outro lado, as falhas de deteção diminuem e o desempenho do método aumenta. Pela primeira vez, aplicou-se este método ao repositório de vídeos do Seagull. Adicionalmente, testou-se uma técnica de pós processamento para melhorar o resultado da segmentação, conditional random fields. No entanto, observou-se que esta adição não melhorava os resultados do método em cascata, mas quando se aplicava a segmentação à imagem completa, sem a fase da deteção, tornava-se benéfica a sua adição. O modelo em cascata foi treinado e testado com conjuntos de imagens aérias de navios. Foi necessário criar manualmente uma anotação do navio, segmentar o navio, para algumas imagens que apenas indicavam a localização do mesmo. Submeteu-se uma solução para o Airbus ship detection challenge e o modelo apresentou um desempenho competivo e uma performance suficientemente rápida para ser aplicado em tempo real.
janeiro 29, 2021, 10:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Alexandre José Malheiro Bernardino
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Associado
